我要评论结论先行：迭代器（iterator）和生成器（generator）不是并列关系——生成器是迭代器的一种"偷懒写法"。所有生成器都是迭代器，但迭代器不一定是生成器。一句话区分：迭代器是"会挨个吐值的对象"（实现 __iter__ + __next__），生成器是用 yield 或生成器表达式"现写现用"造出的那种迭代器，最大的不同是它懒**，要一个才生一个，不占内存。**
1. 先搞清：什么是迭代器
能 for x in obj 挨个取值的对象，都叫"可迭代对象"（iterable，有 __iter__）。而迭代器是"被迭代时记住自己走到哪"的那个东西——它多了个 __next__，每次调用吐下一个，吐完抛 stopiteration。
lst = [1, 2, 3] it = iter(lst) # list 是可迭代对象，iter() 造出它的迭代器 print(next(it)) # 1 print(next(it)) # 2
关键点：list 本身不是迭代器（它可被多次 iter()），但 it 是。for 循环干的事，本质就是反复 next() 直到 stopiteration。
2. 生成器：用 yield 写的迭代器
手写一个完整的迭代器类，要实现 __iter__ 和 __next__，还要自己存状态——挺啰嗦。生成器让你用 yield 把函数变成迭代器，状态由 python 自动保存：
def gen():
for i in range(3):
yield i * i
g = gen() # g 就是一个生成器对象（也是迭代器）
print(next(g)) # 0
print(next(g)) # 1
print(next(g)) # 4
为什么方便：yield 每次"暂停"把值交出来，下次 next() 从暂停处继续。你不用手动管下标、不用存列表，函数体就是状态机。
3. 核心差别：一个在内存，一个"现生现用"
这是最该记住的一点，用大文件举例：
# 迭代器（但提前把 100 万个平方全算好塞进列表）—— 占内存
def squares_list(n):
return [i*i for i in range(n)]
# 生成器 —— 要一个才算一个，内存几乎为 0
def squares_gen(n):
for i in range(n):
yield i*i
for x in squares_gen(1_000_000):
if x > 100:
break
差别：列表版本先把一百万个数全造出来（几十 mb）；生成器版本算到 x>100 就停，后面根本没算。这就是"懒求值"的价值——处理大文件、无限序列、流式数据时，生成器是刚需。
4. 生成器表达式：更短的写法
gen_expr = (i*i for i in range(1000000)) # 注意是 () 不是 [] print(next(gen_expr)) # 0
对照：[] 是列表推导（一次性全算），() 是生成器表达式（懒）。一个占内存，一个不占，写法只差一对括号。
5. 生成器的"一次性"陷阱
迭代器和生成器都只能走一遍——走完就空了，得重新造：
g = squares_gen(3) list(g) # [0, 1, 4] list(g) # [] ← 空了！生成器已耗尽
坑点：把生成器当列表反复用，第二次永远拿到空。需要重复遍历就转成 list，或重新调用函数再造一个。
对照表：一眼分清
| 维度 | 可迭代对象 | 迭代器 | 生成器 |
|---|---|---|---|
能否 for | ✅ | ✅ | ✅ |
有 __next__ | ❌（需 iter() 造） | ✅ | ✅ |
| 是否"懒" | 否 | 看实现 | ✅ 一定是 |
| 写法 | list/str 等 | 手写类 | yield / () 表达式 |
| 遍历遍数 | 无限次 | 一遍 | 一遍 |
排错清单（收藏级）
- 生成器第二次遍历是空：它一次性，重用时
list()或重新调用函数。 yield和return混用：return在生成器里只用来结束并带值到stopiteration，别当普通返回值。- 大列表爆内存：把
[... for ...]改成(... for ...)，瞬间省内存。 - 生成器里改外部变量小心：它是惰性执行的，循环体里的副作用会"延迟"到被
next()时才发生。 next()超界报stopiteration：用for或在next(g, default)给默认值兜底。
一句话记住：迭代器是"会走路的对象"，生成器是"用 yield 写的、懒的迭代器"。背概念不如记这句——要一个才生一个的，就是生成器。
以上就是3个例子讲清python迭代器和生成器的区别的详细内容，更多关于python迭代器和生成器的区别的资料请关注代码网其它相关文章！
发表评论